全文总字数：4188字
1. 研究目的与意义（文献综述）
眼睛定位是面部识别和分析领域的关键步骤，它在嗜睡估计，面部姿势校正，辅助驾驶和表情识别等许多科学研究和应用中都起着重要作用。因此，如何获得高精度的眼睛定位已经成为计算机视觉和模式识别领域的研究热点。
当前， 人眼检测方法常用的有边缘提取方法、 积分投影方法和模板匹配方法等。边缘提取方法是用边缘检测和hough变换来定位眼睛中心，能检测虹膜，但对图像质量和分辨率要求极高，在头部偏转和闭眼时不能准确检测；积分投影方法用图像在水平方向和垂直方向上的几何投影来确定眼睛位置，能快速定位，但在光照强度变化和人脸姿态变化时不能准确检测；模板匹配方法是通过原来图像的像素灰度来检测眼睛，鲁棒性较好，但在戴眼镜和光照变化时不能准确检测。
相比于以上方法的不足，基于深度学习的人眼检测鲁棒性好，泛化能力强，对不戴眼镜和戴眼镜、光照强度和人脸姿态变化、 睁眼和闭眼以及面部遮挡的人脸图像有较高的检测准确率。
2. 研究的基本内容与方案
研究的基本内容和目标：
a) 进行调研，了解目前用于关键点检测的方法理论和研究成果。
b) 了解现有的深度学习框架，选择一个进行眼部关键点检测实验
3. 研究计划与安排
| 8学期第1~3周 | 文献检索，外文翻译，方案构思 |
| 8学期第4周 | 制作开题答辩ppt，开题答辩 |
| 8学期第5~7周 | 确定方案，基于python搭建程序 |
| 8学期第8~10周 | 进行试验，得到数据 |
| 8学弟第11~12周 | 图样及论文整理 |
| 8学期第13~15周 | 答辩准备，参加答辩 |
4. 参考文献（12篇以上）
[1]gou c, wu y, wang k, et al. a joint cascaded framework forsimultaneous eye detection and eye state estimation[j]. pattern recognition,2017, 67: 23-31.
[2] bin huang ,chen renwen , zhou qinbang , et al. eye landmarksdetection via two-level cascaded cnns with multi-task learning.[j].signalprocessing: image communication, 2018,63. 10.1016/j.image..
[3] huang b, chen r, zhou q, et al. eye landmarks detectionvia weakly supervised learning[j]. pattern recognition, 2020, 98: 107076.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
